zhiTjun-优快云博客

原创 ros-noetic采集单目USB相机数据

ros-noetic采集单目USB相机数据

2022-12-06 10:10:34 1705

原创 Ubuntu 20.04.05安装ceres-1.14.0

Ubuntu20.04.5安装ceres

2022-12-02 10:34:16 3013

原创 Ubuntu 20.04.05安装PCL-1.12.0

Ubuntu 20.04.05安装QT+VTK+PCL

2022-11-27 21:31:33 3671 2

Matlab求向量的模——6种方式方式A：利用norm()函数A=norm(vector);方式B：利用sum()函数和sqrt()函数B=sqrt(sum(vector.*vector));方式B1B1=sqrt(sum(vector.^2));方式C：利用向量点积和sqrt()函数C=sqrt(vector'*vector);方式D：只利用向量点积D=(vector'*vector)^2;方式E：利用for循环for j=1:10000 % 10,000维向量

2022-03-10 20:18:30 26554 2

原创高斯金字塔及拉普拉斯金字塔的Matlab实现

1、高斯金字塔计算步骤（1）对第 iii 层图像进行高斯内核卷积；（2）将所有偶数行和列去除（下采样），得到第 i+1i+1i+1 层图像；（3）对原始图像不停迭代以上步骤就能得到整个金字塔。2、拉普拉斯金字塔计算步骤（1）将第 iii 层图像在每个方向扩大为原来的两倍（上采样），新增的行和列以0填充；（2）使用先前同样的内核（乘以4）与放大后的图像卷积，获得“新增像素”的近似值，得到第 i−1i-1i−1 层图像；（3）与高斯金字塔第同层次图像相减，就是图像在缩小和放大整个过程中减少的信.

2021-05-18 20:19:14 6075 3

原创二维高斯卷积核的Matlab和OpenCV实现

1、二维高斯函数G(x,y)=12πσ2exp⁡(−x2+y22σ2)G(x,y)=\frac{1}{2\pi {{\sigma }^{2}}}\exp \left( -\frac{{{x}^{2}}+{{y}^{2}}}{2{{\sigma }^{2}}} \right)G(x,y)=2πσ21exp(−2σ2x2+y2)2、坐标（以5×5卷积核为例）3、Matlab实现sigma1=2;k=5; % kernel大小pai=3.1415926;kernel=zeros(k);

2021-03-12 20:35:25 4586 1

原创 SUSAN角点检测算法，及其Matlab实现

1、SUSAN角点检测算法步骤（1）在图像上放置一个37个像素的圆形模板，模板在图像上滑动，依次比较模板内各个像素点的灰度与模板核的灰度，判断是否属于USAN区域。判别函数如下：其中，r⃗0{{\vec{r}}_{0}}r0.表示二维图像中核心点的位置，r⃗\vec{r}r表示模板中其他点的位置，I(r⃗0)I({{\vec{r}}_{0}})I(r0)表示图像在r⃗0{{\vec{r}}_{0}}r0处的像素值，I(r⃗)I(\vec{r})I(r)表示图像在r⃗\vec{r}r处的像素值，tt

2021-03-10 16:14:21 3633 1

原创 SUSAN边缘检测算法，及其Matlab和OpenCV实现

1、SUSAN边缘检测计算步骤（1）在图像上放置一个37个像素的圆形模板，模板在图像上滑动，依次比较模板内各个像素点的灰度与模板核的灰度，判断是否属于USAN区域。判别函数如下：其中，r⃗0{{\vec{r}}_{0}}r0.表示二维图像中核心点的位置，r⃗\vec{r}r表示模板中其他点的位置，I(r⃗0)I({{\vec{r}}_{0}})I(r0)表示图像在r⃗0{{\vec{r}}_{0}}r0处的像素值，I(r⃗)I(\vec{r})I(r)表示图像在r⃗\vec{r}r处的像素值，tt

2021-03-10 15:15:28 2502

原创 OpenCV单通道Mat矩阵元素访问方法，及其速度比较

1、OpenCV程序（环境：CPU i5-9500+VS2017+OpenCV4.5.0）方法1：利用“ Mat.at<存储类型>(行,列) ”访问Mat矩阵元素并赋值int main(){ Mat img = Mat::zeros(Size(10000, 10000), CV_64FC1); DWORD startTime = GetTickCount(); for (int i = 0; i < 10000; i++) { for (int j = 0; j <

2021-03-10 13:33:37 3350 1

原创 Harris角点检测，及其Matlab和OpenCV实现

1、Harris角点检测算法实现步骤（1）计算图像I(x,y)I(x,y)I(x,y)在XXX和YYY两个方向的梯度Ix,Iy{{I}_{x}},{{I}_{y}}Ix,Iy；Ix=∂I∂x=I⊗[−101]{{I}_{x}}=\frac{\partial I}{\partial x}=I\otimes \left[ \begin{matrix} -1 & 0 & 1 \\\end{matrix} \right]Ix=∂x∂I=I⊗[−101]Iy=∂I∂y=I⊗[−

2021-03-04 15:14:04 623 1

原创图像梯度之Sobel算子，及其Matlab和OpenCV实现

1、Sobel算子实现步骤（1）需要用到计算x,yx,yx,y方向导数值的两个滤波核（2）分别与图像进行卷积（3）把得到的值卸载一起得到图像梯度向量梯度方向为：θ=tan⁡−1(∂f∂x/∂f∂y )\theta ={{\tan }^{-1}}\left( {\frac{\partial f}{\partial x}}/{\frac{\partial f}{\partial y}}\; \right)θ=tan−1(∂x∂f/∂y∂f)梯度幅度为：∥∇f∥=(∂f∂x)2+(∂f∂y)

2021-03-02 16:48:55 7109

原创用豪斯霍尔德（Householder）变换进行矩阵的QR分解，及其Matlab和OpenCV实现

1、豪斯霍尔德变换一般地，对给定的mmm维向量aaa，考虑分块 a=[a1a2]a=\left[ \begin{matrix} {{a}_{1}} \\ {{a}_{2}} \\\end{matrix} \right]a=[a1a2]，其中a1{{a}_{1}}a1是(k−1)(k-1)(k−1)维向量，1≤k<m1\le k<m1≤k<m。如果豪斯霍尔德向量为v=[0a2]−αekv=\left[ \begin{matrix} 0 \\ {{a}

2021-01-20 21:59:49 8673 2

原创用“部分”主元高斯消去法进行LU分解，及其Matlab和OpenCV实现

1、介绍部分选主元中“部分”的意思是我们仅仅在当前列中选择可用的主元。还有一种更完备的选主元方法是所谓的全主元法，它是在未被约化的子矩阵中的所有元素之中选一个最大的，并将它交换到对角元的位置。全主元法虽然在理论上是极为稳定的，但它和部分选主元法比，寻找主元的工作量大大增加，而由于部分选主元法的数值稳定性足以满足实际要求，所以在用高斯消去法求解线性方程组时普遍采用的是部分选主元消去法。2、伪代码%% Matlab 2018b——用部分主元高斯消去法进行LU分解：A=LUA=[1,2,2;4,4,2;

2021-01-19 16:40:02 2866

zhiTjun的博客